Création d’un robot autonome pour l’exploration et la mesure de surfaces

Récemment, notre département en Intelligence Artificielle a livré une preuve de concept d’un robot autonome utilisé pour explorer et cartographier des espaces industriels et résidentiels inconnus tout en identifiant les différents types de sols.

Le robot (à l’exception de son châssis Roomba) est entièrement construit à partir de composants matériels et logiciels open-source (OS). Le résultat est un mélange d’algorithmes génétiques et de réseaux de neurones qui permettent au robot de cartographier, d’étudier et de mesurer de façon autonome des espaces intérieurs / extérieurs non-triviaux.

Dans un cas d’utilisation industrielle, l’équipe a présenté une démonstration où le robot est utilisé par une entreprise de nettoyage fictive afin d’optimiser ses coûts. Le robot est alors placé dans un entrepôt fictif où il explore les surfaces après les heures de travail. Ensuite, il envoie un rapport détaillé à la société de nettoyage avec une carte des différentes zones, sections et types de sols. Ce rapport aide l’entreprise de nettoyage à facturer efficacement son client dans le cadre d’un contrat de maintenance régulier et à ainsi réduire le facteur humain d’une partie de son processus d’acquisition de clients, optimisant ainsi les coûts.

Le projet en est encore à ses débuts et nous sommes convaincus que de nombreux cas d’utilisations seront découverts tout au long du processus de développement  par exemple en ajoutant la possibilité d’explorer les espaces extérieurs.

Même si la nouveauté réside principalement dans la partie logicielle, notre équipe IA a baptisé leur robot, SMOB – abréviation de Self-Mapping Open Bot.

Création d'un robot autonome pour l'exploration et la mesure de surfaces, un projet R&D en Intelligence Artificielle
Le SMOB en action, surveillant et cartographiant les bureaux de Savoir-faire Linux

Comment fonctionne le SMOB ?

Le projet est un mélange unique de conception matérielle et logicielle. Comme le robot devait être résistant aux collisions avec des objets et devait pouvoir voyager à une vitesse raisonnable, utiliser l’ensemble du kit TurtleBot n’était pas une option dans de telles conditions. L’équipe a résolu le problème en associant la base Roomba Create (qui convient bien aux opérations lourdes) à l’IMU (Inertial Measurement Unit – Navigation inertielle), au LIDAR (LIght Detection And Ranging – Détection et estimation de la distance par la lumière) et au Raspberry Pi3 du kit TurtleBot 3 DIY. Afin d’atteindre les latences requises pour des opérations fluides, l’équipe a également modifié le noyau Debian pour prendre en charge le jeu d’instructions 64-bits disponible sur le processeur ARMv9 (les modifications étaient basées sur le projet PI64).

Les algorithmes de SMOB

SMOB combine deux techniques différentes pour atteindre ses objectifs : En premier lieu, l’algorithme de découverte spatiale est une implémentation de l’algorithme génétique proposé par Mohamed Amine Yakoubi et Mohamed Tayeb Larski. L’algorithme est réalisé en Python afin de pouvoir travailler avec le framework ROS, qui alimente les mouvements du robot.
La partie la plus complexe a été la réalisation du réseau neuronal convulsif, qui est responsable de la classification des types de sols. Le principal défi était d’identifier correctement les propriétés d’une image (netteté, luminosité, taille, position de la caméra, etc.) afin que le réseau soit le plus efficace possible – une recherche qui a nécessité de nombreux essais et erreurs.

Résultats de tests

Nos expériences montrent une performance de couverture d’environ 1m^2 par minute pour un robot à bas coût (environ 600 USD).

Qu’est-ce qui fait de SMOB un robot unique?

SMOB est unique, car il fait partie des premières expérimentations où un robot exécute plusieurs tâches complexes sur du matériel embarqué. On peut affirmer avec certitude que la conduite automatisée utilise déjà des algorithmes qui sont très en avance sur ce que SMOB peut faire, mais ils sont aussi beaucoup plus complexes que les solutions de base et à faible coût de traitement de SMOB. Le robot SMOB se base sur le minimalisme – il est question d’une tentative de créer des solutions simples à des problèmes qui sont actuellement résolus par beaucoup plus de puissance et par des algorithmes qui demandent beaucoup plus de mémoire.

L’avenir de SMOB dans le domaine de la robotique

L’un des plus grands défis en amont de ce projet comprend le traitement des opérations extérieures liées aux capteurs LIDAR et les problèmes qui y sont associés. LIDAR – un appareil qui cartographie des objets en 3-D en faisant rebondir les faisceaux laser hors de son environnement réel – est l’un des composants les plus cruciaux et les plus litigieux de tout véhicule (dans ce cas, le SMOB) qui est censé se conduire (Lire par exemple: Simonite, 2017). Le LIDAR de SMOB est incapable d’identifier le verre. Il a également des difficultés dans la détection de fermetures de boucles et à naviguer sur des surfaces complexes. Par exemple, un SMOB conçu pour détecter des nids de poule à l’extérieur aurait très probablement besoin d’un châssis et d’un système de propulsion différents, mais devrait être aussi capable de détecter les nids de poule avant de les atteindre; sinon, il ne sera peut-être pas capable d’en sortir une fois piégé à l’intérieur.

Références
Simonite, T. (2017, March 20). Self-Driving Cars’ Spinning-Laser Problem. MIT Technology Review.

2017 : l’année de l’intelligence

Bonne année ! Si 2016 a été une année pleine de surprises, 2017 sera marquée par l’intelligence et l’audace. La technologie devient plus intelligente et nous n’avons pas d’autre choix que de l’être aussi.

Le bilan de 2016
En janvier, c’est l’heure de faire le bilan de l’année écoulée. Le nôtre et celui de notre environnement. 2016 fut toute une année. Beaucoup d’artistes géniaux nous ont quitté, dont de nombreux musiciens. Les Britanniques ont rappelé leur insularité, un caractère profondément ancré de leur identité. Chez nos voisins du Sud, c’est un nouveau tournant politique et un ton qui détonne, à la suite de l’élection présidentielle en novembre dernier. Que j’en ai passé des heures les yeux rivés à mes écrans suivant les cours fluctuants de la Livre Sterling et de la bourse !
Cependant, cette nouvelle donne politique s’est invitée au Canada, dès les premiers jours de janvier, avec la hausse du prix du pétrole au Mexique (20%) et en Ontario (~10 %). À cette hausse s’ajoutent les rumeurs de départ de compagnies en raison du coût des affaires, d’autant que d’aucuns – notre premier ministre Justin Trudeau en tête – se préparent à renégocier les accords de l’Alena avec la nouvelle administration américaine. Dès lors, les inquiétudes surgissent à l’égard de l’industrie automobile en Ontario (et au Mexique). Heureusement, le Consumer Electronic Show 2017 (CES)  arrive sur une note positive. Le temps est venu pour des décisions intelligentes et audacieuses. Dont nous avons besoin plus que jamais. Et l’intelligence est, par chance, le thème de ce salon.

Se réjouir du CES 2017
Pour commencer l’année, j’aimerais réfléchir aux nouvelles façons dont la technologie peut nous faciliter la vie et la rendre plus riche encore. L’industrie automobile a, par exemple, fait des progrès remarquables. Toyota a présenté son Concept i car, au moment où on attend beaucoup de la robotique et de l’intelligence artificielle, notamment en matière de sécurité. BMW a une approche différente, plus solide, qui fait toutefois appel à ses partenaires industriels, avec Intel et Mobileye, afin de collaborer à une plateforme ouverte. BMW souhaite sortir sa première voiture autonome iNEXT en 2021.

Je crois que cette approche est plus solide, parce que les hommes et la technologie y ont le même poids sur la balance. A cet égard, le groupe français Renault, associé à Nissan et Mitsubishi a présenté un projet très audacieux de première voiture open source grand public. Le groupe vend 10 millions de véhicules par an, figurant parmi les 3 premiers constructeurs automobiles au monde.

La Twizy Renault ouvre les codes complètement, autant pour le software que la hardware. ARM et OSVehicle sont des partenaires clés dans cette aventure, invitant les autres constructeurs, la communauté de développeurs et les férus d’automobiles à construire la voiture du 21e siècle.

La première voiture open source grand public au monde. Construisons-là ensemble !

Twizy Renault. Photo de Jwh. CC BY-SA 3.0 lu,

Le défi est lancé. L’appel est lancé. Les meilleurs cerveaux travaillent à créer la voiture complètement autonome. Si je suis aussi passionné par les technologies intelligentes, c’est que, à mon sens, nous sommes sur le point de réaliser ce but, parce que des professionnels intelligents travaillent de manière libre et ouverte. Plus il y a de monde dessus, meilleures sont les données, comme l’est la solution.

Une technologie intelligente
Les nouvelles applications industrielles et commerciales qui débarquent aujourd’hui possèdent en leur sein une certaine dose d’intelligence artificielle. Au cours des années, la technologie est passée de l’analyse au big data et à l’intelligence artificielle. Ces techniques partagent cet usage massif des données (plus il y a de données, meilleure est la formation et donc la performance). Les voitures complètement autonomes ne le seront que grâce à la vision informatique et les techniques telle que le deep learning sont essentielles pour le réaliser.
Fait intéressant, plusieurs de ces technologies sont disponibles sous une licence libre ou open source. Par exemple Tensorflow, créé par l’équipe Google Brain, est disponible sur GitHub, avec une licence Apache 2.0. Tensorflow est utilisé par Google, Twitter Airbus, Uber, Snapchat, etc. Alors que IBM, Microsoft (CNTK, DMTK), Facebook, Amazon entre autres planchent sur leurs propres projets, Datamation présente 15 des meilleurs projets en IA sous licence libre / open source. En matière de big data, les termes Hadoop, Spark, R, Python MongoDB sont des noms récurrents aux oreilles des experts.

Des professionnels intelligents
Toutefois, l’intelligence artificielle ne peut se créer elle-même, cette tâche incombe à des personnes intelligentes, qui la façonnent, comme il en a été discuté à Davos l’année dernière. Pour une fois, l’industrie (toutes les industries) a des besoins importants en recrutement (lire : il y a de belles opportunités d’emploi) dans le secteur du libre et de l’open source. L’industrie automobile n’est qu’un exemple de la rencontre d’une technologie à inventer et d’un produit à offrir aux consommateurs. Il y a une réelle demande pour les métiers scientifiques et d’ingénierie. Avis à une jeunesse à la recherche de pistes d’orientation…
L’intelligence au travail repose sur ce que les gens savent et ce qu’ils font, et comment ils le font. La communauté du Logiciel Libre et de l’Open Source en est la démonstration quotidienne. Les logiciels et les solutions s’améliorent chaque jour parce que chacun y partage son savoir et ses compétences. Pour les jeunes diplômés, c’est un moyen de se faire la main en apprenant les meilleures pratiques, grâce à des professionnels plus expérimentés. L’industrie y verra une très bonne façon de créer des systèmes complexes, échelonnés et interopérables qui peuvent être maintenus de manière relativement facile sur une longue durée. Par exemple, Bosch travaille sur plusieurs logiciels libres et open source à destination de l’industrie automobile.

Une table ronde organisée par la Ryerson Commerce and Government Association (RCGA). De gauche à droite: Diane Francis (auteur récipiendaire de nombreux prix et entrepreneure), Alex Goncharenko (CPA du Ministère ontarien des Services gouvernementaux et des Services aux consommateurs), Marc Lijour (Directeur, Savoir-faire Linux Toronto). Crédit photo Ryerson

Les contributions de Savoir-faire Linux
L’engagement de Savoir-faire Linux est l’un des piliers importants de notre stratégie. Nous sommes présents auprès de la jeunesse, grâce à des commandites comme la Maison du logiciel libre à Montréal, en partenariat avec Google et Red Hat. À Toronto, nous avons participé à plusieurs présentations dans des écoles postsecondaires pour guider les jeunes en matière d’orientation, notamment vers une carrière dans le secteur des technologies.

Il y a un mois, nous avons présenté la technologie Android au T.Hacks 2016, et Python au groupe Women in Computer Science and Women in IT Management à l’Université Ryerson. Cette présentation est disponible sur GitHub. Toujours à Ryerson, nous avons discuté protection de la vie privée et cybersécurité avec la Ryerson Commerce and Government Association (RCGA). À partir de 2017, nous commençons un partenariat de formation avec le Conseil des technologies de l’information et des communications, financé par le gouvernement de l’Ontario. Nous donnons la possibilité aux jeunes d’avoir un travail plus facilement dans les TIC, tout en aidant les petites entreprises à passer au numérique intelligemment.
Nous faisons appel à tous les jeunes intelligents et les professionnels, afin de nous rejoindre dans notre effort pour rendre le monde plus connecté, plus sécuritaire et plus humain. Et bien sûr, le rendre plus libre avec nous !